毛盾

【摘要】 當(dāng)前能源危機(jī)制約著社會(huì)的發(fā)展，因此發(fā)展風(fēng)力這一清潔能源是國(guó)家可持續(xù)發(fā)展的長(zhǎng)久之計(jì)。本文中探討了小型風(fēng)力機(jī)發(fā)電最大功率點(diǎn)跟蹤的傳統(tǒng)方法，也重點(diǎn)討論了智能算法，包括模糊控制和遺傳算法，并闡明了各自的優(yōu)缺點(diǎn)，旨在為小型風(fēng)力機(jī)發(fā)電系統(tǒng)最大功率點(diǎn)跟蹤方案提供參考和選擇。

【關(guān)鍵詞】 小型風(fēng)力機(jī)組 最大功率點(diǎn)跟蹤 最佳葉尖速比法 爬山搜索算法 自適應(yīng)算法 模糊控制法 遺傳算法

目前在清潔能源這一領(lǐng)域，風(fēng)力發(fā)電和光伏發(fā)電發(fā)展的最快最好，但是筆者在研究過(guò)程中發(fā)現(xiàn)，無(wú)論在國(guó)內(nèi)還是國(guó)外，風(fēng)力發(fā)電研究相比于光伏發(fā)電研究要少一些，尤其在智能控制領(lǐng)域。主要也由于風(fēng)力系統(tǒng)存在非線性，風(fēng)速變化快，難以捕捉，風(fēng)機(jī)轉(zhuǎn)速調(diào)整難以滿足實(shí)時(shí)性等。

一、最佳葉尖速比法[1]：

根據(jù)貝慈理論風(fēng)能的利用系數(shù)隨著葉尖速比的變化而變化，當(dāng)風(fēng)速發(fā)生變化時(shí)，可以通過(guò)調(diào)節(jié)風(fēng)力發(fā)電機(jī)風(fēng)輪的轉(zhuǎn)速維持在最大值出，即最佳葉尖速比的位置。

最佳葉尖速比法的缺陷：最佳葉尖速比法長(zhǎng)期運(yùn)行中系統(tǒng)參數(shù)的變化會(huì)使實(shí)際最大功率點(diǎn)偏離原曲線，導(dǎo)致理論調(diào)節(jié)的最佳轉(zhuǎn)速與當(dāng)前狀態(tài)所需最佳轉(zhuǎn)速不符；另外風(fēng)能又是一種隨機(jī)性很強(qiáng)的能源，風(fēng)速頻繁處于波動(dòng)過(guò)程中且很難短期預(yù)測(cè)。這些都使MPPT控制下的風(fēng)機(jī)系統(tǒng)絕大部分時(shí)間都處于動(dòng)態(tài)過(guò)程中，而非運(yùn)行在穩(wěn)態(tài)工作點(diǎn)上，使跟蹤結(jié)果在實(shí)際的最大功率點(diǎn)波動(dòng)[2]。

二、爬山搜索算法[3]

爬山搜索算法的總體思路：為了避免精確捕捉風(fēng)速的難題，而在當(dāng)前風(fēng)速下給風(fēng)力發(fā)電機(jī)風(fēng)輪以一個(gè)轉(zhuǎn)速的干擾，通過(guò)檢測(cè)風(fēng)力發(fā)電機(jī)的輸出功率的變化，與已知轉(zhuǎn)速與最大輸出功率之間的關(guān)系曲線進(jìn)行對(duì)比，以此來(lái)決定搜索的方向。

爬山搜索算法的缺陷：爬山搜索算法雖然避免了捕捉風(fēng)速的難題，但是因?yàn)橐霐_動(dòng)，會(huì)對(duì)系統(tǒng)的穩(wěn)定性造成影響，使系統(tǒng)在最大功率點(diǎn)附近發(fā)生震蕩，擾動(dòng)步長(zhǎng)過(guò)大或過(guò)小都會(huì)對(duì)跟蹤效率產(chǎn)生影響，當(dāng)環(huán)境發(fā)生突變時(shí)，跟蹤會(huì)產(chǎn)生誤判。

三、自適應(yīng)控制

基于微分跟蹤器的功率曲線自尋優(yōu)控制，它對(duì)機(jī)組參數(shù)如功率特性或轉(zhuǎn)矩特性等依賴性較小，在風(fēng)速變化的情況下能夠?qū)C(jī)組功率曲線的系數(shù)進(jìn)行實(shí)時(shí)的修改，并有效地將機(jī)組的功率曲線調(diào)整到最大功率曲線的位置，根據(jù)轉(zhuǎn)速對(duì)時(shí)間的一階導(dǎo)數(shù)，功率對(duì)時(shí)間的一階導(dǎo)數(shù)，轉(zhuǎn)速對(duì)時(shí)間的二階導(dǎo)數(shù)確定當(dāng)前狀態(tài)相對(duì)于參考值的位置，以此來(lái)自動(dòng)調(diào)整到最大功率曲線的位置。

四、模糊邏輯控制法

模糊邏輯控制法是基于人類的邏輯思維而提出的，外界對(duì)于人產(chǎn)生刺激信號(hào)（給定輸入），由神經(jīng)組織將信號(hào)傳送給中樞神經(jīng)系統(tǒng)（控制器）進(jìn)行處理，與此同時(shí)，中樞神經(jīng)系統(tǒng)還受其他神經(jīng)的控制及經(jīng)驗(yàn)的影響，形成控制上的反饋回路，中樞神經(jīng)系統(tǒng)處理刺激信號(hào)后發(fā)出控制信息控制肌肉和組織，從而來(lái)控制受控信號(hào)。而在神經(jīng)中樞系統(tǒng)中沒(méi)有固定的數(shù)值和算式語(yǔ)言，而是依據(jù)模糊的邏輯變數(shù)來(lái)控制被控信號(hào)，因此模糊控制器不必像傳統(tǒng)的方法那樣建立完整的數(shù)學(xué)模型。通過(guò)設(shè)定模糊規(guī)則及隸屬函數(shù)將模糊輸出變?yōu)榫_輸出。

模糊控制法的優(yōu)缺點(diǎn)：由于模糊控制器是一種語(yǔ)言控制器，使得操作人員很容易使用自然語(yǔ)言來(lái)實(shí)現(xiàn)人機(jī)對(duì)話，容易控制和掌握理想的非線性量，具有很好的自適應(yīng)性，穩(wěn)定性和容錯(cuò)性，但是模糊控制法的難點(diǎn)在于如何設(shè)計(jì)出符合要求的控制器。

五、基于遺傳算法的最大功率點(diǎn)跟蹤

遺傳算法在凈化過(guò)程中基本不用外部信息，基本靠自身的適應(yīng)度函數(shù)，適應(yīng)度函數(shù)是由目標(biāo)函數(shù)變換而成。建立目標(biāo)函數(shù)之后進(jìn)行過(guò)程選擇，按比例適度分配。隨后進(jìn)行基因重組，就是把兩個(gè)父體內(nèi)的部分基因取出，疊加組成新個(gè)體基因，通過(guò)基因重組達(dá)到優(yōu)化。

遺傳算法的優(yōu)缺點(diǎn)：采用遺傳算法能在ΔD≥0.03時(shí)較好的兼顧了系統(tǒng)跟蹤的動(dòng)態(tài)性能和穩(wěn)定性能，但在經(jīng)歷編碼-初始種群的生成-過(guò)程選擇-基因重組-變異的過(guò)程中參數(shù)的選擇難以把握，如交叉概率控制著交叉操作的頻率，太大會(huì)使高適應(yīng)值的結(jié)構(gòu)很快遭到破壞，過(guò)小則會(huì)使搜索停滯不前。

結(jié)語(yǔ)：通過(guò)對(duì)小型風(fēng)力發(fā)電系統(tǒng)的研究發(fā)現(xiàn)，不管是將風(fēng)力發(fā)電系統(tǒng)最大功率點(diǎn)跟蹤技術(shù)與光伏發(fā)電最大功率點(diǎn)跟蹤技術(shù)相比，還是風(fēng)力發(fā)電系統(tǒng)最大功率點(diǎn)技術(shù)自身的傳統(tǒng)方法與智能控制算法比較，傳統(tǒng)控制算法在跟蹤動(dòng)態(tài)性能和穩(wěn)態(tài)性能方面較智能算法都差一點(diǎn)，而且智能控制算法在跟蹤風(fēng)速和風(fēng)機(jī)轉(zhuǎn)速方面有很大的研究空間，因此在研究傳統(tǒng)的小型風(fēng)力機(jī)最大功率點(diǎn)跟蹤技術(shù)的同時(shí)，要重點(diǎn)研究現(xiàn)代智能控制算法在此領(lǐng)域的應(yīng)用，并將兩者結(jié)合使用。

參 考 文 獻(xiàn)

[1]趙邈 風(fēng)光互補(bǔ)并網(wǎng)發(fā)電系統(tǒng)及最大功率點(diǎn)的跟蹤 長(zhǎng)沙理工大學(xué)碩士學(xué)位論文 2011

[2]張玉，韓金剛，湯天浩 基于爬山法的風(fēng)電最大功率點(diǎn)跟蹤控制的仿真研究；上海海事大學(xué)物流工程學(xué)院，上海201306

[3]大型風(fēng)電機(jī)組的功率曲線自尋優(yōu)控制策略；夏安俊，徐浩，胡書舉，許洪華；高電壓技術(shù) 2012.08.31